难道有人能给我举一个例子,说明每个人是如何工作的,以及他们的错误措施如何不同?谢谢!使用RMSE和nDCG评估推荐系统的区别?
0
A
回答
0
标准化折扣累积收益(NDCG)根据推荐实体的分级相关性度量推荐系统的性能。它从0.0到1.0变化,1.0代表实体的理想排名。该度量标准通常用于信息检索和评估网络搜索引擎的性能。
均方根误差(RMSE)可能是在评估预测评级准确性时使用的最受欢迎的度量标准 。系统生成预测评级 Rui对于已知其实际评级Rui的用户项目对(u,i)的测试集合T。 通常,Rui是已知的,因为它们隐藏在离线实验中,或者因为它们是通过用户研究或在线实验获得的。它从0.0到1.0变化,较低的值表示较少的错误(因此“更好”)。
您很可能会看到学术论文包含RMSE,虽然NDCG确实有它的位置,但您并不经常看到NDCG,尤其是当您使用强大的信息检索组件检查推荐系统时。均方根误差并非特定于应用程序,因此在评估推荐系统的预测准确度时,大多数学术文献都倾向于将其纳入其中。
此信息是容易通过谷歌访问,所以请在未来花一些时间做一些研究,然后再发布这样的问题。有大量的工作示例,公式详细清楚地显示在每个维基页NDCG:http://en.wikipedia.org/wiki/Discounted_cumulative_gain#Normalized_DCG和RMSE:http://en.wikipedia.org/wiki/Root-mean-square_deviation。
相关问题
- 1. RMSE太小。推荐系统
- 2. 如何评估基于内容的推荐系统
- 3. 基于相似性标准对推荐系统的评估
- 4. 推荐使用Solr和Mahout的系统
- 5. 评估LightFM推荐模型
- 6. 推荐系统
- 7. SQL推荐系统
- 8. 推荐系统PHP
- 9. 使用猪或mahout的推荐系统
- 10. Howto使用增量式SVD推荐系统创建推荐
- 11. 简单的推荐系统
- 12. 评估推荐人 - 无法在x个案例中推荐
- 13. 搜索引擎的相关性排名和推荐系统之间的区别
- 14. angularjs评估表达式推荐
- 15. W3C标准和W3C推荐的区别?
- 16. 谷歌分析:“推荐”默认系统频道和“推荐”媒体有什么区别?
- 17. 推荐系统方法
- 18. 广告推荐系统
- 19. 团体推荐系统
- 20. Python/mysql:推荐系统
- 21. 推荐系统设计
- 22. 网页推荐系统
- 23. IOS 8推荐系统
- 24. 推荐系统数据集
- 25. 推荐Perfarce(?或其他)的使用,以评估水银流程
- 26. 如何评估使用Mahout/Hadoop的推荐人
- 27. 评估插件系统
- 28. 推荐系统:简单的基于用户的协同过滤与精度评估和召回
- 29. 使用PHP和MySQL的用户推荐系统
- 30. 教授和部门评估系统ERD
我会建议此举迁移到http://datascience.stackexchange.com/,您可能会提出更具体的问题。你可以在互联网上找到两个例子。 –